Din�mica de fluidos computacional

De Wikipedia, la enciclopedia libre

Saltar a navegaci�n Saltar a b�squeda

Este art�culo incluye una lista de referencias , pero sus fuentes siguen sin estar
claras porque no tiene suficientes citas en l�nea . Ayude a mejorar este art�culo
introduciendo citas m�s precisas. ( Septiembre de 2014 ) ( Aprenda c�mo y cu�ndo
eliminar este mensaje de plantilla )
F�sica computacional
Rayleigh-Taylor instability.jpg
An�lisis num�rico � Simulaci�n
An�lisis de datos � Visualizaci�n
Potenciales [mostrar]
Din�mica de fluidos [show]
M�todos de Monte Carlo [mostrar]
Part�cula [show]
Cient�ficos [mostrar]
vtmi

Una simulaci�n del paquete aerodin�mico de un Porsche 987.2 Cayman.

La din�mica de fluidos computacional ( CFD ) es una rama de la mec�nica de fluidos
que utiliza an�lisis num�rico y estructuras de datos para analizar y resolver
problemas que involucran flujos de fluidos . Las computadoras se utilizan para
realizar los c�lculos necesarios para simular el flujo de flujo libre del fluido y
la interacci�n del fluido ( l�quidos y gases ) con las superficies definidas por
las condiciones de contorno . Con supercomputadoras de alta velocidad, se pueden
lograr mejores soluciones, y a menudo se requieren para resolver los problemas m�s
grandes y complejos. La investigaci�n en curso genera software que mejora la
precisi�n y la velocidad de escenarios de simulaci�n complejos, como flujos
trans�nicos o turbulentos . La validaci�n inicial de dicho software generalmente se
realiza utilizando aparatos experimentales como t�neles de viento . Adem�s, el
an�lisis anal�tico o emp�rico realizado previamente de un problema particular se
puede utilizar para la comparaci�n. Una validaci�n final a menudo se realiza
mediante pruebas a gran escala, como las pruebas de vuelo .

CFD se aplica a una amplia gama de problemas de investigaci�n e ingenier�a en

muchos campos de estudio e industrias, incluyendo aerodin�mica y an�lisis
aeroespacial, simulaci�n del clima , ciencias naturales e ingenier�a ambiental ,
dise�o y an�lisis de sistemas industriales, ingenier�a biol�gica y flujos de
fluidos, y motores y An�lisis de combusti�n .

Contenido
1 Antecedentes e historia
2 Metodolog�a
2.1 M�todos de discreci�n
2.1.1 M�todo de volumen finito
2.1.2 M�todo de elementos finitos
2.1.3 M�todo de diferencia finita
2.1.4 M�todo del elemento espectral
2.1.5 M�todo del elemento l�mite
2.1.6 Esquemas de discretizaci�n de alta resoluci�n.
2.2 Modelos de turbulencia
2.2.1 Navier � Stokes promediado por Reynolds
2.2.2 Gran simulaci�n de remolinos
2.2.3 Simulaci�n eddy independiente
2.2.4 Simulaci�n num�rica directa
2.2.5 Simulaci�n de v�rtice coherente
2.2.6 M�todos PDF
2.2.7 M�todo de v�rtice
2.2.8 M�todo de confinamiento de vorticidad
2.2.9 Modelo de remolino lineal
2.3 Flujo bif�sico
2.4 Algoritmos de soluci�n
2.5 Aerodin�mica inestable
2.6 Ingenier�a biom�dica
2.7 CPU versus GPU
3 Ver tambi�n
4 referencias
5 notas
6 enlaces externos
Antecedentes e historia

Una simulaci�n por computadora del flujo de aire a alta velocidad alrededor del
transbordador espacial durante el reingreso.

Una simulaci�n del veh�culo scramjet Hyper-X en funcionamiento en Mach -7

La base fundamental de casi todos los problemas de CFD son las ecuaciones de
Navier-Stokes , que definen muchos flujos de fluidos monof�sicos (gas o l�quido,
pero no ambos). Estas ecuaciones se pueden simplificar eliminando t�rminos que
describen acciones viscosas para producir las ecuaciones de Euler . Una
simplificaci�n adicional, al eliminar los t�rminos que describen la vorticidad
produce las ecuaciones de potencial completo . Finalmente, para peque�as
perturbaciones en flujos subs�nicos y supers�nicos (no trans�nicos o
hipers�nicos ), estas ecuaciones pueden linealizarse para producir las ecuaciones
de potencial linealizadas.

Hist�ricamente, los m�todos se desarrollaron primero para resolver las ecuaciones

de potencial linealizadas. Los m�todos bidimensionales (2D), que utilizan
transformaciones conformes del flujo alrededor de un cilindro al flujo alrededor de
una superficie de sustentaci�n se desarrollaron en la d�cada de 1930. [1]

Uno de los primeros tipos de c�lculos que se asemejan a los CFD modernos son los de
Lewis Fry Richardson , en el sentido de que estos c�lculos utilizaron diferencias
finitas y dividieron el espacio f�sico en las celdas. Aunque fallaron
dram�ticamente, estos c�lculos, junto con el libro de Richardson "Predicci�n del
tiempo por proceso num�rico", [2] sentaron las bases para la CFD moderna y la
meteorolog�a num�rica. De hecho, los primeros c�lculos de CFD durante la d�cada de
1940 con ENIAC utilizaron m�todos similares a los del libro de Richardson de 1922.
[3]

El poder de la computadora disponible estimul� el desarrollo de m�todos

tridimensionales . Probablemente, el primer trabajo con computadoras para modelar
el flujo de fluidos, seg�n las ecuaciones de Navier-Stokes, se realiz� en el
Laboratorio Nacional de Los Alamos , en el grupo T3. [4] [5] Este grupo fue
dirigido por Francis H. Harlow , quien es ampliamente considerado como uno de los
pioneros de CFD. Desde 1957 hasta fines de la d�cada de 1960, este grupo desarroll�
una variedad de m�todos num�ricos para simular flujos de fluido bidimensionales
transitorios, como el m�todo de Part�culas en la celda (Harlow, 1957), [6] M�todo
de fluido en las celdas (Gentry, Martin y Daly, 1966), [7] Funci�n de flujo de
vorticidadm�todo (Jake Fromm, 1963), [8] y m�todo Marker-and-cell (Harlow y Welch,
1965). [9] El m�todo de funci�n de flujo de vorticidad de Fromm para flujo 2D,
transitorio e incompresible fue el primer tratamiento de flujos incompresibles
fuertemente contorsionantes en el mundo.

El primer art�culo con modelo tridimensional fue publicado por John Hess y AMO
Smith de Douglas Aircraft en 1967. [10] Este m�todo discretiz� la superficie de la
geometr�a con paneles, dando lugar a esta clase de programas que se denominan
m�todos de panel. Su m�todo en s� mismo se simplific�, ya que no inclu�a los flujos
de elevaci�n y, por lo tanto, se aplicaba principalmente a los cascos de los barcos
y los fuselajes de los aviones. El primer C�digo de panel de elevaci�n (A230) se
describi� en un documento escrito por Paul Rubbert y Gary Saaris de Boeing Aircraft
en 1968. [11] Con el tiempo, se desarrollaron c�digos de panel tridimensionales m�s
avanzados en Boeing (PANAIR, A502), [ 12] Lockheed (Quadpan), [13] Douglas (HESS),
[14] McDonnell Aircraft (MACAERO), [15] NASA (PMARC) [16] y M�todos anal�ticos
(WBAERO, [17] USAERO [18] y VSAERO [19] [20] ). Algunos (PANAIR, HESS y MACAERO)
eran c�digos de orden superior, que usaban distribuciones de orden superior de
singularidades de superficie, mientras que otros (Quadpan, PMARC, USAERO y VSAERO)
usaban singularidades individuales en cada panel de superficie. La ventaja de los
c�digos de orden inferior era que corr�an mucho m�s r�pido en las computadoras de
la �poca. Hoy, VSAERO se ha convertido en un c�digo de varios pedidos y es el
programa m�s utilizado de esta clase. Se ha utilizado en el desarrollo de muchos
submarinos., buques de superficie , autom�viles , helic�pteros , aviones y, m�s
recientemente, turbinas e�licas . Su c�digo hermano, USAERO es un m�todo de panel
inestable que tambi�n se ha utilizado para modelar cosas como trenes de alta
velocidad y yates de carreras . El c�digo PMARC de la NASA de una versi�n anterior
de VSAERO y un derivado de PMARC, llamado CMARC, [21] tambi�n est� disponible
comercialmente.

En el �mbito bidimensional, se han desarrollado varios c�digos de panel para el

an�lisis y el dise�o de la superficie de sustentaci�n. Los c�digos generalmente
tienen un an�lisis de capa l�mite incluido, de modo que los efectos viscosos se
pueden modelar. El profesor Richard Eppler de la Universidad de Stuttgart
desarroll� el c�digo PERFIL , en parte con fondos de la NASA, que estuvo disponible
a principios de la d�cada de 1980. [22] Esto fue seguido por el MIT de profesor
Mark Drela XFOIL c�digo. [23] Tanto PROFILE como XFOIL incorporan c�digos de panel
bidimensionales, con c�digos de capa l�mite acoplados para el trabajo de an�lisis
de superficie aerodin�mica. PERFIL utiliza una transformaci�n conforme m�todo para
el dise�o inverso de la superficie de sustentaci�n, mientras que XFOIL tiene una
transformaci�n conforme y un m�todo de panel inverso para el dise�o de la
superficie de sustentaci�n.

Un paso intermedio entre los c�digos de panel y los c�digos de potencial completo
fueron los c�digos que utilizaron las ecuaciones de alteraci�n trans�nica peque�a.
En particular, el c�digo tridimensional WIBCO, [24] desarrollado por Charlie Boppe
de Grumman Aircraft a principios de la d�cada de 1980, ha tenido un uso intensivo.

Los desarrolladores recurrieron a los c�digos de potencial completo, ya que los

m�todos de panel no pod�an calcular el flujo no lineal presente a velocidades
trans�nicas . Earll Murman y Julian Cole de Boeing publicaron la primera
descripci�n de un medio para utilizar las ecuaciones de potencial completo en 1970.
[25] Frances Bauer, Paul Garabedian y David Korn, del Courant Institute de la
Universidad de Nueva York (NYU), escribieron una serie de c�digos bidimensionales
de perfil de potencial completo que se utilizaron ampliamente, el m�s importante
llamado Programa H. [26] Bob Melnik y su grupo en Grumman Aerospace desarrollaron
un mayor crecimiento del Programa H como Grumfoil. [27] Antony Jameson ,
originalmente en Grumman Aircraft y el Courant Institute de NYU, trabaj� con David
Caughey para desarrollar el importante c�digo de potencial completo tridimensional
FLO22 [28] en 1975. Muchos c�digos de potencial completo surgieron despu�s de esto,
culminando en Boeing's Tranair (A633) c�digo, [29] que todav�a ve un uso intensivo.

El siguiente paso fueron las ecuaciones de Euler, que promet�an proporcionar

soluciones m�s precisas de flujos trans�nicos. La metodolog�a utilizada por Jameson
en su c�digo tridimensional FLO57 [30] (1981) fue utilizada por otros para producir
programas como el programa TEAM de Lockheed [31] y el programa MGAERO de IAI /
M�todos anal�ticos. [32] MGAERO es �nica en ser un estructurado cartesiano c�digo
de malla, mientras que la mayor�a de los otros dichos c�digos utilizan rejillas
equipado cuerpo-estructuradas (con la excepci�n de c�digo CART3D gran �xito de la
NASA, [33] c�digo SPLITFLOW de Lockheed [34] y Georgia Tech 's NASCART-GT). [35]
Antony Jameson.tambi�n desarroll� el c�digo de AVI�N tridimensional [36] que hizo
uso de rejillas tetra�dricas no estructuradas.

En el �mbito bidimensional, Mark Drela y Michael Giles, luego estudiantes de

posgrado en el MIT, desarrollaron el programa ISES Euler [37] (en realidad un
conjunto de programas) para el dise�o y an�lisis de perfiles aerodin�micos. Este
c�digo estuvo disponible por primera vez en 1986 y se ha desarrollado a�n m�s para
dise�ar, analizar y optimizar perfiles aerodin�micos de elementos �nicos o
m�ltiples, como el programa MSES. [38] MSES ve un amplio uso en todo el mundo. Un
derivado de MSES, para el dise�o y an�lisis de perfiles aerodin�micos en cascada,
es MISES, [39] desarrollado por Harold "Guppy" Youngren cuando era un estudiante
graduado en el MIT.

Las ecuaciones de Navier-Stokes fueron el objetivo final del desarrollo. Surgieron

c�digos bidimensionales, como el c�digo ARC2D de la NASA Ames. Se desarrollaron una
serie de c�digos tridimensionales (ARC3D, REBOSE , CFL3D son tres exitosas
contribuciones de la NASA), dando lugar a numerosos paquetes comerciales.

Metodolog�a
En todos estos enfoques se sigue el mismo procedimiento b�sico.

Durante el preprocesamiento
La geometr�a y los l�mites f�sicos del problema se pueden definir utilizando un
dise�o asistido por computadora (CAD). A partir de ah�, los datos pueden procesarse
adecuadamente (limpiarse) y se extrae el volumen de fluido (o dominio de fluido).
El volumen ocupado por el fluido se divide en c�lulas discretas (la malla). La
malla puede ser uniforme o no uniforme, estructurada o no estructurada, y consiste
en una combinaci�n de elementos hexa�dricos, tetra�dricos, prism�ticos, piramidales
o poli�dricos.
Se define el modelado f�sico, por ejemplo, las ecuaciones de movimiento fluido +
entalp�a + radiaci�n + conservaci�n de especies
Las condiciones de contorno est�n definidas. Esto implica especificar el
comportamiento y las propiedades del fluido en todas las superficies limitantes del
dominio del fluido. Para problemas transitorios, tambi�n se definen las condiciones
iniciales.
Se inicia la simulaci�n y las ecuaciones se resuelven iterativamente como un estado
estacionario o transitorio.
Finalmente, se utiliza un postprocesador para el an�lisis y la visualizaci�n de la
soluci�n resultante.
M�todos de discreci�n
M�s informaci�n: Discretizaci�n de las ecuaciones de Navier-Stokes
La estabilidad de la discretizaci�n seleccionada generalmente se establece
num�ricamente en lugar de anal�ticamente como con problemas lineales simples.
Tambi�n se debe tener especial cuidado para garantizar que la discretizaci�n maneje
las soluciones discontinuas con gracia. Las ecuaciones de Euler y las ecuaciones de
Navier-Stokes admiten choques y superficies de contacto.

Algunos de los m�todos de discretizaci�n utilizados son:

M�todo de volumen finito

Art�culo principal: m�todo de volumen finito
El m�todo de volumen finito (FVM) es un enfoque com�n utilizado en los c�digos CFD,
ya que tiene una ventaja en el uso de la memoria y la velocidad de la soluci�n,
especialmente para grandes problemas, flujos turbulentos de alto n�mero de Reynolds
y flujos dominados por el t�rmino fuente (como la combusti�n). [40]

En el m�todo de volumen finito, las ecuaciones diferenciales parciales que

gobiernan (t�picamente las ecuaciones de Navier-Stokes, las ecuaciones de
conservaci�n de masa y energ�a, y las ecuaciones de turbulencia) se vuelven a
moldear de forma conservadora y luego se resuelven en vol�menes de control
discretos. Esta discretizaci�n garantiza la conservaci�n de los flujos a trav�s de
un volumen de control particular. La ecuaci�n de volumen finito produce ecuaciones
de gobierno en la forma,

{\ displaystyle {\ frac {\ partial} {\ partial t}} \ iiint Q \, dV + \ iint F \,

d \ mathbf {A} = 0,} {\ frac {\ partial} {\ partial t}} \ iiint Q \, dV + \ iint
F \, d \ mathbf {A} = 0,
d�nde {\ displaystyle Q} Q es el vector de variables conservadas, {\ displaystyle
F} Fes el vector de flujos (ver ecuaciones de Euler o ecuaciones de Navier-
Stokes ), {\ displaystyle V} V es el volumen del elemento de volumen de control, y
{\ displaystyle \ mathbf {A}} \ mathbf {A} es el �rea de superficie del elemento
de volumen de control.

M�todo de elementos finitos

Art�culo principal: m�todo de elementos finitos
El m�todo de elementos finitos (FEM) se utiliza en el an�lisis estructural de
s�lidos, pero tambi�n es aplicable a fluidos. Sin embargo, la formulaci�n de FEM
requiere un cuidado especial para garantizar una soluci�n conservadora. La
formulaci�n FEM se ha adaptado para su uso con din�micas de fluidos que gobiernan
ecuaciones. [ cita requerida ] Aunque FEM debe formularse cuidadosamente para ser
conservador, es mucho m�s estable que el enfoque de volumen finito. [41] Sin
embargo, FEM puede requerir m�s memoria y tiene tiempos de soluci�n m�s lentos que
el FVM. [42]

En este m�todo, se forma una ecuaci�n residual ponderada:

{\ displaystyle R_ {i} = \ iiint W_ {i} Q \, dV ^ {e}} R_ {i} = \ iiint W_ {i} Q \,

dV ^ {e}
d�nde {\ displaystyle R_ {i}} Rhode Island} es la ecuaci�n residual en un v�rtice
de elemento {\ displaystyle i} yo, {\ displaystyle Q} Q es la ecuaci�n de
conservaci�n expresada en base a elementos, {\ displaystyle W_ {i}} Wisconsin} es
el factor de peso, y {\ displaystyle V ^ {e}} V ^ {e} es el volumen del elemento

M�todo de diferencia finita

Art�culo principal: m�todo de diferencia finita
El m�todo de diferencia finita (FDM) tiene importancia hist�rica [ cita requerida ]
y es simple de programar. Actualmente solo se usa en pocos c�digos especializados,
que manejan geometr�a compleja con alta precisi�n y eficiencia mediante el uso de
l�mites incrustados o cuadr�culas superpuestas (con la soluci�n interpolada en cada
cuadr�cula). [ cita requerida ]

{\ displaystyle {\ frac {\ partial Q} {\ partial t}} + {\ frac {\ partial F} {\

partial x}} + {\ frac {\ partial G} {\ partial y}} + {\ frac {\ partial H} {\
partial z}} = 0} {\ frac {\ partial Q} {\ partial t}} + {\ frac {\ partial F} {\
partial x}} + {\ frac {\ partial G} {\ partial y}} + {\ frac {\ parcial H} {\
partial z}} = 0
d�nde {\ displaystyle Q} Q es el vector de variables conservadas, y {\ displaystyle
F} F, {\ displaystyle G} soly {\ displaystyle H} H son los flujos en el {\
displaystyle x} X, {\ displaystyle y} yy {\ displaystyle z} z direcciones
respectivamente.

M�todo del elemento espectral

Art�culo principal: m�todo del elemento espectral
El m�todo de elemento espectral es un m�todo de tipo de elemento finito. Requiere
que el problema matem�tico (la ecuaci�n diferencial parcial) se convierta en una
formulaci�n d�bil. Esto se hace t�picamente multiplicando la ecuaci�n diferencial
por una funci�n de prueba arbitraria e integr�ndola en todo el dominio. Puramente
matem�ticamente, las funciones de prueba son completamente arbitrarias: pertenecen
a un espacio de funciones de dimensi�n infinita. Claramente, un espacio de
funciones de dimensi�n infinita no puede representarse en una malla de elementos
espectrales discretos; Aqu� es donde comienza la discretizaci�n del elemento
espectral. Lo m�s importante es la elecci�n de las funciones de interpolaci�n y
prueba. En una FEM est�ndar de bajo orden en 2D, para los elementos cuadril�teros,
la opci�n m�s t�pica es la prueba bilineal o la funci�n de interpolaci�n de la
forma {\ displaystyle v (x, y) = ax + by + cxy + d} v (x, y) = ax + by + cxy + d.
Sin embargo, en un m�todo de elemento espectral, las funciones de interpolaci�n y
prueba se eligen para ser polinomios de un orden muy alto (t�picamente, por
ejemplo, del d�cimo orden en aplicaciones CFD). Esto garantiza la r�pida
convergencia del m�todo. Adem�s, se deben utilizar procedimientos de integraci�n
muy eficientes, ya que el n�mero de integraciones a realizar en c�digos num�ricos
es grande. Por lo tanto, se emplean cuadraturas de integraci�n de Gauss de alto
orden, ya que logran la mayor precisi�n con el menor n�mero de c�lculos a realizar.
En este momento hay algunos c�digos acad�micos de CFD basados ??en el m�todo del
elemento espectral y algunos m�s est�n actualmente en desarrollo, ya que surgen los
nuevos esquemas de paso de tiempo en el mundo cient�fico.

M�todo del elemento l�mite

Art�culo principal: m�todo del elemento l�mite
En el m�todo del elemento l�mite, el l�mite ocupado por el fluido se divide en una
malla superficial.

Esquemas de discretizaci�n de alta resoluci�n

Art�culo principal: esquema de alta resoluci�n
Los esquemas de alta resoluci�n se usan donde hay choques o discontinuidades. La
captura de cambios bruscos en la soluci�n requiere el uso de esquemas num�ricos de
segundo orden o de orden superior que no introducen oscilaciones espurias. Esto
generalmente requiere la aplicaci�n de limitadores de flujo para asegurar que la
soluci�n disminuya la variaci�n total . [ cita requerida ]

Modelos de turbulencia
En el modelado computacional de flujos turbulentos, un objetivo com�n es obtener un
modelo que pueda predecir cantidades de inter�s, como la velocidad del fluido, para
usar en dise�os de ingenier�a del sistema que se est� modelando. Para flujos
turbulentos, el rango de escalas de longitud y la complejidad de los fen�menos
involucrados en la turbulencia hacen que la mayor�a de los enfoques de modelado
sean excesivamente caros; La resoluci�n requerida para resolver todas las escalas
involucradas en la turbulencia est� m�s all� de lo que es computacionalmente
posible. El enfoque principal en tales casos es crear modelos num�ricos para
aproximar los fen�menos no resueltos. Esta secci�n enumera algunos modelos
computacionales com�nmente utilizados para flujos turbulentos.

Los modelos de turbulencia se pueden clasificar en funci�n del gasto computacional,

que corresponde al rango de escalas que se modelan versus se resuelven (cuantas m�s
escalas turbulentas se resuelvan, m�s fina ser� la resoluci�n de la simulaci�n y,
por lo tanto, mayor ser� el costo computacional). Si la mayor�a o la totalidad de
las escalas turbulentas no se modelan, el costo computacional es muy bajo, pero la
compensaci�n se produce en forma de precisi�n reducida.

Adem�s del amplio rango de escalas de longitud y tiempo y el costo computacional

asociado, las ecuaciones que rigen la din�mica de fluidos contienen un t�rmino de
convecci�n no lineal y un t�rmino de gradiente de presi�n no lineal y no local.
Estas ecuaciones no lineales deben resolverse num�ricamente con el l�mite apropiado
y las condiciones iniciales.

Navier � Stokes promediado por Reynolds

Art�culo principal: ecuaciones de Navier-Stokes promediadas por Reynolds
Las ecuaciones de Navier-Stokes (RANS) promediadas por Reynolds son el enfoque m�s
antiguo para el modelado de turbulencias. Se resuelve una versi�n de conjunto de
las ecuaciones de gobierno, que introduce nuevas tensiones aparentes conocidas como
tensiones de Reynolds. Esto agrega un tensor de inc�gnitas de segundo orden para el
cual varios modelos pueden proporcionar diferentes niveles de cierre. Es un error
com�n pensar que las ecuaciones RANS no se aplican a flujos con un flujo medio
variable en el tiempo porque estas ecuaciones tienen un "promedio de tiempo". De
hecho, los flujos estad�sticamente inestables (o no estacionarios) pueden tratarse
igualmente. Esto a veces se conoce como URANS. No hay nada inherente en el promedio
de Reynolds para impedir esto, pero los modelos de turbulencia utilizados para
cerrar las ecuaciones son v�lidos siempre que el tiempo durante el cual ocurren
estos cambios en la media sea grande en comparaci�n con las escalas de tiempo del
movimiento turbulento que contiene la mayor parte del tiempo. la energ�a.

Los modelos RANS se pueden dividir en dos enfoques generales:

Hip�tesis de Boussinesq
Este m�todo implica el uso de una ecuaci�n algebraica para las tensiones de
Reynolds, que incluye determinar la viscosidad turbulenta y, dependiendo del nivel
de sofisticaci�n del modelo, resolver ecuaciones de transporte para determinar la
energ�a cin�tica turbulenta y la disipaci�n. Los modelos incluyen k-e ( Launder and
Spalding ), [43] Modelo de longitud de mezcla ( Prandtl ), [44] y Modelo de
ecuaci�n cero (Cebeci y Smith ). [44] Los modelos disponibles en este enfoque a
menudo se refieren al n�mero de ecuaciones de transporte asociadas con el m�todo.
Por ejemplo, el modelo de Longitud de mezcla es un modelo de "Ecuaci�n cero" porque
no se resuelven ecuaciones de transporte; la {\ displaystyle k- \ epsilon} k- \
epsilon es un modelo de "dos ecuaciones" porque dos ecuaciones de transporte (una
para {\ displaystyle k} k y uno para {\ displaystyle \ epsilon} \ epsilon ) est�n
resueltos.
Modelo de estr�s de Reynolds (RSM)
Este enfoque intenta resolver realmente las ecuaciones de transporte para las
tensiones de Reynolds. Esto significa la introducci�n de varias ecuaciones de
transporte para todas las tensiones de Reynolds y, por lo tanto, este enfoque es
mucho m�s costoso en el esfuerzo de la CPU. [ cita requerida ]
Gran eddy simulaci�n
Art�culo principal: gran simulaci�n eddy

Representaci�n de volumen de una llama de remolino no premezclada, simulada por

LES.
La gran simulaci�n de Eddy (LES) es una t�cnica en la que las escalas m�s peque�as
del flujo se eliminan mediante una operaci�n de filtrado, y su efecto se modela
utilizando modelos de escala de subcuadr�cula. Esto permite que se resuelvan las
escalas m�s grandes e importantes de la turbulencia, al tiempo que se reduce en
gran medida el costo computacional incurrido por las escalas m�s peque�as. Este
m�todo requiere mayores recursos computacionales que los m�todos RANS, pero es
mucho m�s barato que el DNS.

Simulaci�n eddy independiente

Art�culo principal: Simulaci�n eddy independiente
Simulaciones Eddy independientes(DES) es una modificaci�n de un modelo RANS en el
que el modelo cambia a una formulaci�n a escala de subcuadr�cula en regiones lo
suficientemente finas para c�lculos de LES. Las regiones cercanas a l�mites s�lidos
y donde la escala de longitud turbulenta es menor que la dimensi�n m�xima de la
cuadr�cula se les asigna el modo de soluci�n RANS. Como la escala de longitud
turbulenta excede la dimensi�n de la cuadr�cula, las regiones se resuelven usando
el modo LES. Por lo tanto, la resoluci�n de la cuadr�cula para DES no es tan
exigente como LES puro, lo que reduce considerablemente el costo de la computaci�n.
Aunque DES se formul� inicialmente para el modelo Spalart-Allmaras (Spalart et al.,
1997), se puede implementar con otros modelos RANS (Strelets, 2001), modificando
adecuadamente la escala de longitud que est� expl�cita o impl�citamente involucrada
en el modelo RANS . Entonces, mientras que el DES basado en el modelo Spalart �
Allmaras act�a como LES con un modelo de pared, Los DES basados ??en otros modelos
(como dos modelos de ecuaciones) se comportan como un modelo h�brido RANS-LES. La
generaci�n de cuadr�cula es m�s complicada que para un caso RANS o LES simple
debido al interruptor RANS-LES. DES es un enfoque no zonal y proporciona un �nico
campo de velocidad uniforme en las regiones RANS y LES de las soluciones.

Simulaci�n num�rica directa

Art�culo principal: simulaci�n num�rica directa
La simulaci�n num�rica directa (DNS) resuelve todo el rango de escalas de longitud
turbulentas. Esto margina el efecto de los modelos, pero es extremadamente costoso.
El costo computacional es proporcional a {\ displaystyle Re ^ {3}} Re ^ {3}. [45]
DNS es intratable para flujos con geometr�as complejas o configuraciones de flujo.

Simulaci�n de v�rtice coherente

El enfoque de simulaci�n de v�rtice coherente descompone el campo de flujo
turbulento en una parte coherente, que consiste en un movimiento vortical
organizado, y la parte incoherente, que es el flujo de fondo aleatorio. [46] Esta
descomposici�n se realiza mediante el filtrado wavelet . El enfoque tiene mucho en
com�n con LES, ya que usa descomposici�n y resuelve solo la porci�n filtrada, pero
es diferente porque no usa un filtro lineal de paso bajo. En cambio, la operaci�n
de filtrado se basa en wavelets, y el filtro se puede adaptar a medida que
evoluciona el campo de flujo. Farge y Schneider probaron el m�todo CVS con dos
configuraciones de flujo y mostraron que la parte coherente del flujo exhib�a el {\
displaystyle - {\ frac {40} {39}}} - {\ frac {40} {39}}El espectro de energ�a
exhibido por el flujo total, y correspond�a a estructuras coherentes ( tubos de
v�rtice ), mientras que las partes incoherentes del flujo compon�an ruido de fondo
homog�neo, que no exhib�a estructuras organizadas. Goldstein y Vasilyev [47]
aplicaron el modelo FDV a una gran simulaci�n de Foucault, pero no asumieron que el
filtro wavelet eliminaba por completo todos los movimientos coherentes de las
escalas del subfiltro. Al emplear tanto el filtrado LES como el CVS, demostraron
que la disipaci�n de SFS estaba dominada por la porci�n coherente del campo de
flujo de SFS.

M�todos PDF
Los m�todos de funci�n de densidad de probabilidad (PDF) para turbulencia,
introducidos por primera vez por Lundgren , [48] se basan en el seguimiento del PDF
de un punto de la velocidad, {\ displaystyle f_ {V} ({\ boldsymbol {v}}; {\
boldsymbol {x}}, t) d {\ boldsymbol {v}}} f_ {V} ({\ boldsymbol {v}}; {\ boldsymbol
{x}}, t) d {\ boldsymbol {v}}, que da la probabilidad de la velocidad en el punto
{\ displaystyle {\ boldsymbol {x}}} {\ boldsymbol {x}} estar entre {\ displaystyle
{\ boldsymbol {v}}} {\ boldsymbol {v}} y {\ displaystyle {\ boldsymbol {v}} + d {\
boldsymbol {v}}} {\ boldsymbol {v}} + d {\ boldsymbol {v}}. Este enfoque es an�logo
a la teor�a cin�tica de los gases, en la cual las propiedades macrosc�picas de un
gas son descritas por un gran n�mero de part�culas. Los m�todos PDF son �nicos
porque pueden aplicarse en el marco de varios modelos de turbulencia diferentes;
Las principales diferencias se producen en la forma de la ecuaci�n de transporte
PDF. Por ejemplo, en el contexto de una gran simulaci�n de Eddy , el PDF se
convierte en el PDF filtrado. [49] Los m�todos PDF tambi�n se pueden usar para
describir reacciones qu�micas, [50] [51]y son particularmente �tiles para simular
flujos de reacci�n qu�mica porque el t�rmino fuente qu�mica est� cerrado y no
requiere un modelo. El PDF se rastrea com�nmente mediante el uso de m�todos de
part�culas lagrangianas; Cuando se combina con una gran simulaci�n de Eddy, esto
conduce a una ecuaci�n de Langevin para la evoluci�n de part�culas del subfiltro.

M�todo de v�rtice
El m�todo de v�rtice es una t�cnica sin cuadr�cula para la simulaci�n de flujos
turbulentos. Utiliza v�rtices como elementos computacionales, imitando las
estructuras f�sicas en turbulencia. Los m�todos Vortex se desarrollaron como una
metodolog�a sin cuadr�cula que no estar�a limitada por los efectos de suavizado
fundamentales asociados con los m�todos basados ??en cuadr�cula. Sin embargo, para
ser pr�cticos, los m�todos de v�rtice requieren medios para calcular r�pidamente
las velocidades de los elementos de v�rtice; en otras palabras, requieren la
soluci�n a una forma particular del problema del cuerpo N (en el que el movimiento
de N objetos est� ligado a sus influencias mutuas ) A fines de la d�cada de 1980 se
produjo un gran avance con el desarrollo del m�todo multipolo r�pido(FMM), un
algoritmo de V. Rokhlin (Yale) y L. Greengard (Courant Institute). Este avance
allan� el camino para el c�lculo pr�ctico de las velocidades de los elementos de
v�rtice y es la base de algoritmos exitosos. Son especialmente adecuados para
simular movimiento filamentario, como briznas de humo, en simulaciones en tiempo
real, como los videojuegos, debido a los peque�os detalles logrados con un c�lculo
m�nimo. [52]

El software basado en el m�todo vortex ofrece un nuevo medio para resolver

problemas dif�ciles de din�mica de fluidos con una m�nima intervenci�n del usuario.
[ cita requerida ] Todo lo que se requiere es la especificaci�n de la geometr�a del
problema y el establecimiento de los l�mites y las condiciones iniciales. Entre las
ventajas significativas de esta tecnolog�a moderna;

Est� pr�cticamente libre de cuadr�culas, lo que elimina numerosas iteraciones

asociadas con RANS y LES.
Todos los problemas son tratados de manera id�ntica. No se requieren entradas de
modelado o calibraci�n.
Son posibles las simulaciones de series temporales, que son cruciales para el
an�lisis correcto de la ac�stica.
La escala peque�a y la escala grande se simulan con precisi�n al mismo tiempo.
M�todo de confinamiento de vorticidad
Art�culo principal: encierro de vorticidad
El m�todo de confinamiento de vorticidad (VC) es una t�cnica euleriana utilizada en
la simulaci�n de estelas turbulentas. Utiliza un enfoque de onda solitaria para
producir una soluci�n estable sin dispersi�n num�rica. VC puede capturar las
caracter�sticas a peque�a escala en tan solo 2 celdas de cuadr�cula. Dentro de
estas caracter�sticas, se resuelve una ecuaci�n de diferencia no lineal en
oposici�n a la ecuaci�n de diferencia finita . El CV es similar a los m�todos de
captura de impactos , donde se cumplen las leyes de conservaci�n, de modo que las
cantidades integrales esenciales se calculan con precisi�n.

Modelo de remolino lineal

El modelo Eddy lineal es una t�cnica utilizada para simular la mezcla convectiva
que tiene lugar en flujo turbulento. [53] Espec�ficamente, proporciona una forma
matem�tica de describir las interacciones de una variable escalar dentro del campo
de flujo vectorial. Se utiliza principalmente en representaciones unidimensionales
del flujo turbulento, ya que se puede aplicar en una amplia gama de escalas de
longitud y n�meros de Reynolds. Este modelo se usa generalmente como un bloque de
construcci�n para representaciones de flujo m�s complicadas, ya que proporciona
predicciones de alta resoluci�n que se mantienen en una amplia gama de condiciones
de flujo.

Flujo bif�sico

Simulaci�n de enjambre de burbujas utilizando el m�todo de volumen de fluido

El modelado del flujo de dos fases a�n est� en desarrollo. Se han propuesto
diferentes m�todos, incluido el m�todo de Volumen de fluido , el m�todo de ajuste
de nivel y el seguimiento frontal . [54] [55] Estos m�todos a menudo implican una
compensaci�n entre mantener una interfaz n�tida o conservar la masa [� seg�n qui�n?
] . Esto es crucial ya que la evaluaci�n de la densidad, la viscosidad y la tensi�n
superficial se basa en los valores promediados sobre la interfaz. [ cita
requerida ] Los modelos lagrangianos multif�sicos, que se utilizan para medios
dispersos, se basan en resolver la ecuaci�n de movimiento lagrangiana para la fase
dispersa.[ cita requerida ]

Algoritmos de soluci�n
La discretizaci�n en el espacio produce un sistema de ecuaciones diferenciales
ordinarias para problemas inestables y ecuaciones algebraicas para problemas
constantes. Los m�todos impl�citos o semi-impl�citos se usan generalmente para
integrar las ecuaciones diferenciales ordinarias, produciendo un sistema de
(generalmente) ecuaciones algebraicas no lineales. La aplicaci�n de una iteraci�n
de Newton o Picard produce un sistema de ecuaciones lineales que no es sim�trico en
presencia de advecci�n e indefinido en presencia de incompresibilidad. Dichos
sistemas, particularmente en 3D, son con frecuencia demasiado grandes para los
solucionadores directos, por lo que se utilizan m�todos iterativos, ya sea m�todos
estacionarios, como la sobreexpresi�n sucesiva o los m�todos de subespacio de
Krylov . M�todos de Krylov comoGMRES , t�picamente usado con preacondicionamiento ,
opera minimizando el residual sobre los sucesivos subespacios generados por el
operador preacondicionado.

Multigrid tiene la ventaja de un rendimiento asint�ticamente �ptimo en muchos

problemas. Tradicional [ seg�n quien? ] los solucionadores y preacondicionadores
son efectivos para reducir los componentes de alta frecuencia del residuo, pero los
componentes de baja frecuencia generalmente requieren muchas iteraciones para
reducirse. Al operar en m�ltiples escalas, la multigrid reduce todos los
componentes del residuo por factores similares, lo que lleva a un n�mero de
iteraciones independientes de la malla. [ cita requerida ]

Para sistemas indefinidos, los preacondicionadores como la factorizaci�n LU

incompleta , el aditivo Schwarz y el multirredes funcionan mal o fallan por
completo, por lo que la estructura del problema debe usarse para un
preacondicionamiento eficaz. [56] Los m�todos com�nmente utilizados en CFD son los
algoritmos SIMPLE y Uzawa que exhiben tasas de convergencia dependientes de la
malla, pero los avances recientes basados ??en la factorizaci�n de bloque LU
combinada con multigrid para los sistemas definidos resultantes han llevado a
preacondicionadores que ofrecen tasas de convergencia independientes de la malla.
[57]

Aerodin�mica inestable
CFD hizo un gran avance a finales de los a�os 70 con la introducci�n de LTRAN2, un
c�digo 2-D para modelar perfiles oscilantes basados ??en la teor�a de perturbaci�n
trans�nica peque�a de Ballhaus y sus asociados. [58] Utiliza un algoritmo de
conmutaci�n Murman-Cole para modelar las ondas de choque en movimiento. [59] M�s
tarde se extendi� a 3-D con el uso de un esquema de diferencia rotada por AFWAL /
Boeing que result� en LTRAN3. [60] [61]

Ingenier�a biom�dica

Simulaci�n del flujo sangu�neo en una aorta humana.

Las investigaciones de CFD se utilizan para aclarar en detalle las caracter�sticas
del flujo a�rtico que de otra manera ser�an invisibles para las mediciones
experimentales. Para analizar estas condiciones, se extraen modelos CAD del sistema
vascular humano empleando t�cnicas de imagen modernas. A partir de estos datos, se
reconstruye un modelo 3D y se puede calcular el flujo de fluido. Deben tenerse en
cuenta las propiedades de la sangre, como el comportamiento no newtoniano y las
condiciones de contorno realistas (p. Ej., Presi�n sist�mica). Por lo tanto,
permite analizar y optimizar el flujo en el sistema cardiovascular para diferentes
aplicaciones. [62]
CPU versus GPU
Tradicionalmente, las simulaciones CFD se realizan en las CPU. [63] En una
tendencia m�s reciente, las simulaciones tambi�n se realizan en GPU. Estos suelen
contener procesadores m�s lentos pero m�s. Para los algoritmos CFD que cuentan con
un buen rendimiento de paralelizaci�n (es decir, una buena velocidad al agregar m�s
n�cleos) esto puede reducir en gran medida los tiempos de simulaci�n. Los m�todos
de Lattice-Boltzmann son un ejemplo t�pico de c�digos que se escalan bien en las
GPU. [64]

Ver tambi�n
Teor�a del elemento de cuchilla
Condiciones de contorno en din�mica de fluidos
Modelado de cavitaci�n
Esquema de diferenciaci�n central
Magnetohidrodin�mica computacional
M�todo de elemento discreto
M�todo de elementos finitos
M�todo de volumen finito para flujo inestable
Animaci�n fluida
M�todo de l�mite sumergido
M�todos de Boltzmann de celos�a
Lista de paquetes de software de elementos finitos.
M�todos sin malla
M�todo semi-impl�cito de part�culas en movimiento
Din�mica de colisi�n de part�culas m�ltiples
Optimizaci�n de dise�o multidisciplinar.
M�todos num�ricos en mec�nica de fluidos.
Optimizaci�n de forma
Hidrodin�mica de part�culas alisadas
M�todo lagrangiano euleriano estoc�stico
Modelado de turbulencias
Visualizaci�n (gr�ficos)
T�nel de viento
Referencias
Milne-Thomson, LM (1973). Aerodin�mica te�rica . La f�sica de fluidos A . 5 .
Publicaciones de Dover. pag. 1023. ISBN 978-0-486-61980-4.
Richardson, LF; Chapman, S. (1965). Predicci�n del tiempo por proceso num�rico .
Publicaciones de Dover.
Caza (1997). "Lewis Fry Richardson y sus contribuciones a las matem�ticas, la
meteorolog�a y los modelos de conflicto". Revisi�n anual de la mec�nica de
fluidos . 30 (1): xiii � xxxvi. Bibcode : 1998AnRFM..30D..13H . doi : 10.1146 /
annurev.fluid.30.1.0 .
"El legado del grupo T-3" . Consultado el 13 de marzo de 2013 .
Harlow, FH (2004). "Din�mica de fluidos en el Grupo T-3 Laboratorio Nacional de
Los Alamos: (LA-UR-03-3852)" . Revista de F�sica Computacional . 195 (2): 414�433.
Bibcode : 2004JCoPh.195..414H . doi : 10.1016 / j.jcp.2003.09.031 .
FH Harlow (1955). "Un m�todo de c�lculo de la m�quina para problemas
hidrodin�micos". Informe del Laboratorio Cient�fico de Los Alamos LAMS-1956.
Gentry, RA; Martin, RE; Daly, JB (1966). "Un m�todo de diferenciaci�n de Eulerian
para problemas de flujo compresible inestable". Revista de F�sica Computacional . 1
(1): 87-118. Bibcode : 1966JCoPh ... 1 ... 87G . doi : 10.1016 / 0021-9991 (66)
90014-3 .
Fromm, JE; FH Harlow (1963). "Soluci�n num�rica del problema del desarrollo de la
calle v�rtice" . F�sica de fluidos . 6 (7): 975. Bibcode : 1963PhFl .... 6..975F .
doi : 10.1063 / 1.1706854 .
Harlow, FH; JE Welch (1965). "C�lculo num�rico del flujo de fluido viscoso
incompresible dependiente del tiempo con una superficie libre" (PDF) . F�sica de
fluidos . 8 (12): 2182�2189. Bibcode : 1965PhFl .... 8.2182H . doi : 10.1063 /
1.1761178 .
 Hess, JL; AMO Smith (1967). "C�lculo del flujo potencial sobre cuerpos
arbitrarios". Progreso en ciencias aeroespaciales . 8 : 1�138. Bibcode :
1967PrAeS ... 8 .... 1H . doi : 10.1016 / 0376-0421 (67) 90003-6 .
Rubbert, P.; Saaris, G. (1972). "Review and evaluation of a three-dimensional
lifting potential flow computational method for arbitrary configurations". 10th
Aerospace Sciences Meeting. doi:10.2514/6.1972-188.
Carmichael, R.; Erickson, L. (1981). "PAN AIR - A higher order panel method for
predicting subsonic or supersonic linear potential flows about arbitrary
configurations". 14th Fluid and Plasma Dynamics Conference. doi:10.2514/6.1981-
1255.
Youngren, H.; Bouchard, E.; Coopersmith, R.; Miranda, L. (1983). "Comparison of
panel method formulations and its influence on the development of QUADPAN, an
advanced low-order method". Applied Aerodynamics Conference. doi:10.2514/6.1983-
1827.
Hess, J.; Friedman, D. (1983). "Analysis of complex inlet configurations using a
higher-order panel method". Applied Aerodynamics Conference. doi:10.2514/6.1983-
1828.
Bristow, D.R., "Development of Panel Methods for Subsonic Analysis and Design,"
NASA CR-3234, 1980.
Ashby, Dale L.; Dudley, Michael R.; Iguchi, Steve K.; Browne, Lindsey and Katz,
Joseph, �Potential Flow Theory and Operation Guide for the Panel Code PMARC�, NASA
NASA-TM-102851 1991.
Woodward, F.A., Dvorak, F.A. and Geller, E.W., "A Computer Program for Three-
Dimensional Lifting Bodies in Subsonic Inviscid Flow," USAAMRDL Technical Report,
TR 74-18, Ft. Eustis, Virginia, April 1974.
Katz, Joseph; Maskew, Rian (1988). "Unsteady low-speed aerodynamic model for
complete aircraft configurations". Journal of Aircraft. 25 (4): 302�310.
doi:10.2514/3.45564.
"Prediction of Subsonic Aerodynamic Characteristics: A Case for Low-Order Panel
Methods". Journal of Aircraft. 19 (2): 157�163. 1982. doi:10.2514/3.57369.
Maskew, Brian, �Program VSAERO Theory Document: A Computer Program for Calculating
Nonlinear Aerodynamic Characteristics of Arbitrary Configurations�, NASA CR-4023,
1987.
Pinella, David and Garrison, Peter, �Digital Wind Tunnel CMARC; Three-Dimensional
Low-Order Panel Codes,� Aerologic, 2009.
Eppler, R.; Somers, D. M., "A Computer Program for the Design and Analysis of Low-
Speed Airfoils," NASA TM-80210, 1980.
Drela, Mark, "XFOIL: An Analysis and Design System for Low Reynolds Number
Airfoils," in Springer-Verlag Lecture Notes in Engineering, No. 54, 1989.
Boppe, C. (1977). "Calculation of transonic wing flows by grid embedding". 15th
Aerospace Sciences Meeting. doi:10.2514/6.1977-207.
Murman, Earll and Cole, Julian, "Calculation of Plane Steady Transonic Flow," AIAA
paper 70-188, presented at the AIAA 8th Aerospace Sciences Meeting, New York New
York, January 1970.
Bauer, F., Garabedian, P., and Korn, D. G., "A Theory of Supercritical Wing
Sections, with Computer Programs and Examples," Lecture Notes in Economics and
Mathematical Systems 66, Springer-Verlag, May 1972. ISBN 978-3540058076
Mead, H. R.; Melnik, R. E., "GRUMFOIL: A computer code for the viscous transonic
flow over airfoils," NASA CR-3806, 1985.
Jameson A. and Caughey D., "A Finite Volume Method for Transonic Potential Flow
Calculations," AIAA paper 77-635, presented at the Third AIAA Computational Fluid
Dynamics Conference, Alburquerque New Mexico, June 1977.
Samant, S.; Bussoletti, J.; Johnson, F.; Burkhart, R.; Everson, B.; Melvin, R.;
Young, D.; Erickson, L.; Madson, M. (1987). "TRANAIR - A computer code for
transonic analyses of arbitrary configurations". 25th AIAA Aerospace Sciences
Meeting. doi:10.2514/6.1987-34.
Jameson, A., Schmidt, W. and Turkel, E., "Numerical Solution of the Euler
Equations by Finite Volume Methods Using Runge-Kutta Time-Stepping Schemes," AIAA
paper 81-1259, presented at the AIAA 14th Fluid and Plasma Dynamics Conference,
Palo Alto California, 1981.
Raj, Pradeep; Brennan, James E. (1989). "Improvements to an Euler aerodynamic
method for transonic flow analysis". Journal of Aircraft. 26: 13�20.
doi:10.2514/3.45717.
Tidd, D.; Strash, D.; Epstein, B.; Luntz, A.; Nachshon, A.; Rubin, T. (1991).
"Application of an efficient 3-D multigrid Euler method (MGAERO) to complete
aircraft configurations". 9th Applied Aerodynamics Conference. doi:10.2514/6.1991-
3236.
Melton, John; Berger, Marsha; Aftosmis, Michael; Wong, Michael (1995).
"Aplicaciones 3D de un m�todo Euler de cuadr�cula cartesiana". 33� Reuni�n y
exposici�n de ciencias aeroespaciales . doi : 10.2514 / 6.1995-853 .
Karman, l. (1995) "SPLITFLOW - Un c�digo CFD de rejilla cartesiana / prism�tica 3D
no estructurado para geometr�as complejas". 33� Reuni�n y exposici�n de ciencias
aeroespaciales . doi : 10.2514 / 6.1995-343 .
Marshall, D. y Ruffin, SM, " Un esquema de cuadr�cula cartesiana de l�mites
integrados para flujos viscosos utilizando un nuevo tratamiento de condici�n de
l�mite de pared viscosa ", Documento AIAA 2004-0581, presentado en la 42� Reuni�n
de Ciencias Aeroespaciales de AIAA, enero de 2004.
Jameson, A .; Baker, T .; Weatherill, N. (1986). "C�lculo del flujo trans�nico
invisible sobre una aeronave completa". XXIV Encuentro de Ciencias Aeroespaciales .
doi : 10.2514 / 6.1986-103 .